(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111458297.2 (22)申请日 2021.12.01 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 马婷　黄守麟　张梓汉　 (74)专利代理 机构 深圳市添源创鑫知识产权代 理有限公司 4 4855 代理人 姜书新 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 运动想象脑电信号处理方法、 设备和计算机 可读存储介质 (57)摘要 一种运动想象脑电信号处理方法， 包括： 采 集受试者的运动想象脑电信号作为训练数据集； 根据训练数据集， 获取运动想象脑电信号的张量 模型； 根据运动想象脑电信号的张量模型， 利用 张量分解构造不同动作模式下运动想象脑电信 号的时空频张量信号模型； 对时空频张量信号模 型的滤波器参数进行优化， 得到特征分离度最高 的时空频滤波器； 对多个特征分离度最高的时空 频滤波器采用机器学习方法训练， 优化得到基于 同一受试者多次相同任务的时空频滤波器； 根据 个体的不同， 对 特征分离度最高的时空频滤波器 的参数进行预设置， 预学习得到参数对应的时空 频滤波器； 采用预学习得到的参数对应的时空频 滤波器对受试者的运动想象脑电信号进行分类 。 权利要求书2页 说明书12页 附图3页 CN 114139628 A 2022.03.04 CN 114139628 A 1.一种运动想象脑电信号处 理方法， 其特 征在于， 所述方法包括： 采集受试者的运动想象脑电信号作为训练数据集； 根据所述训练数据集， 获取 所述运动想象脑电信号的张量模型； 根据所述运动想象脑电信号的张量模型， 利用张量分解构造不同动作模式下运动想象 脑电信号的时空频张量信号模型； 对所述时空频张量信号模型的滤波器参数进行优化， 得到特征分离度最高的时空频滤 波器； 对多个所述特征分离度最高的时空频滤波器采用机器学习方法训练， 优化得到基于同 一受试者多次相同任务的时空频 滤波器； 根据个体的不同， 对所述特征分离度最高的时空频滤波器的参数进行预设置， 预学习 得到所述 参数对应的时空频 滤波器； 采用所述预学习得到的参数对应的时空频滤波器对所述受试者的运动想象脑电信号 进行分类。 2.如权利要求1所述运动想象脑电信号处理方法， 其特征在于， 所述采集受试者的运动 想象脑电信号作为训练数据集， 包括： 收集不同的所述受试者对不同动作进行想象时的多 通道脑电信号得到一个包 含M次试验的训练数据集 ； 所述根据所述训练数据集， 获取所述运动想象脑电信号的张量模型， 包括： 对所述训练 数据集 进行时频转换， 得到所述 运动想象脑电信号的 L阶张量模型 。 3.如权利要求1所述运动想象脑电信号处理方法， 其特征在于， 所述根据 所述运动想象 脑电信号的张量模型， 利用张量分解构造不同动作模式下运动想象脑电信号的时空频张量 信号模型， 包括： 将所述运动想象脑电信号的张量模型与所述时空频张量信号模型 的滤波 器参数进行 叉乘， 得到所述 不同动作模式下运动想象脑电信号的时空频张量信号模型。 4.如权利要求3所述运动想象脑电信号处理方法， 其特征在于， 所述对所述 时空频张量 信号模型的滤波器参数进 行优化， 得到特征分离度最高的时空频滤波器， 包括： 根据参数选 取准则， 对所述时空频张量信号模型 的滤波器参数进行优化， 得到所述特征分离度最高的 时空频滤波器。 5.如权利要求4所述运动想象脑电信号处理方法， 其特征在于， 所述根据参数选取准 则， 对所述时空频张量信号模型 的滤波器参数进行优化， 得到所述特征分离度最高的时空 频滤波器， 包括： 使用费舍尔判别准则计算类内散度矩阵与类间散度矩阵 与 ； 判断所述类内散度矩阵与 类间散度矩阵之比 是否最大， 在所述 取得最大值时， 确定对 应的时空频 滤波器为所述特 征分离度最高的时空频 滤波器。 6.如权利要求5所述运动想象脑电信号处理方法， 其特征在于， 所述判断所述类 内散度 矩阵与类间散度矩阵之比 是否最大， 在所述 取得最大值时， 确定对应的时空频滤波器为 所述特征分离度最高的时空频滤波器， 包括： 对所述滤波器参数以迭代的方式进 行优化， 在 每一次迭代的过程中， 将其中的两个参数视为常数， 改变另外一个参数， 直至所述 取局部 最大值。权　利　要　求　书 1/2 页 2 CN 114139628 A 27.如权利要求1所述运动想象脑电信号处理方法， 其特征在于， 所述根据个体的不同， 对所述特征分离度最高的时空频滤波器的参数进 行预设置， 预学习得到所述参数对应的时 空频滤波器， 包括： 在对所述特征分离度最高的时空频滤波器进行M次训练后， 得到M组不同的频滤波器参 数； 使用机器学习的方法， 对所述M组不同的频滤波器参数进行优化， 得出对不同组别M组 不同的频滤波器参数进行加权的最优空频滤波器参数， 使 所述最优空频滤波器参数在整个 M次训练数据中识别准确率 最高。 8.一种运动想象脑电信号处 理装置， 其特 征在于， 所述装置包括： 采集模块， 用于采集受试者的运动想象脑电信号作为训练数据集； 获取模块， 用于根据所述训练数据集， 获取 所述运动想象脑电信号的张量模型； 构造模块， 用于根据所述运动想象脑电信号的张量模型， 利用张量分解构造不同动作 模式下运动想象脑电信号的时空频张量信号模型； 第一优化模块， 用于对所述时空频张量信号模型的滤波器参数进行优化， 得到特征分 离度最高的时空频 滤波器； 第二优化模块， 用于对多个所述特征分离度最高的时空频滤波器采用机器学习方法训 练， 优化得到基于同一受试者多次相同任务的时空频 滤波器； 预学习模块， 用于根据个体的不同， 对所述特征分离度最高的时空频滤波器的参数进 行预设置， 预 学习得到所述 参数对应的时空频 滤波器； 分类模块， 用于采用所述预学习得到的参数对应的时空频滤波器对所述受试者的运动 想象脑电信号进行分类。 9.一种设备， 所述设备包括存储器、 处理器以及存储在所述存储器中并可在所述处理 器上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1 至7任意一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114139628 A 3